人工智能神经网络技术篇1
关键词：人工智能；计算机网络技术；有效应用
随着我国科学技术的发展，计算机网络技术和人工智能作为新时期的科技产物不断被应用于社会发展的各个领域，对我国的经济发展起到了积极促进作用。特别是计算机网络技术在近年来出现了飞速发展趋势，其自身具有的高效性及跨时空特点等已经深层次地渗透到人们生活、生产、学习的各个方面。计算机网络技术的不断发展和应用，其自身存在的网络安全以及管理方面存在的问题已经表现出与现代社会发展不相符的特点，人们对于该方面问题的关注度不断提升。因此，出现了人工智能应用于计算机网络技术的研究和实践，深入分析人工智能带来的应用优势，加强研究及探析应用趋势，均可有效提升人工智能在计算机网络技术中的应用效果。
1人工智能应用在计算机网络技术中的优势分析
人工智能是计算机科学技术的分支，是由多种不同领域构成的，例如机器人、计算机视觉等。在现代社会人工智能已经被应用在计算机网络技术中，并得到了不断关注和重视，例如计算机仿真系统、人工控制系统等领域的应用。人工智能技术的应用所具有的优势主要表现在以下几方面：一是人工智能具有更加高效特点，可以将所学各领域知识进行科学合理的应用。优良的思考能力通常是高等生物的主要特征，而人工智能在现代科学的支撑下同样具有思考分析与判断能力。因此将人工智能应用到计算机网络技术中，可以使其对计算机信息数据进行更为科学精准的计算机后期分析处理工作，进而获取到更为科学完整的信息数据，同时还提升了计算机网络的计算效率；二是人工智能提升了计算机网络自身的运行速度、时效性及流畅度。人工智能的应用可以促进计算机用户实现更多时间的处理，比如在模型计算处理过程中，可以应用人工智能具有更为先进的计算能力来开展相应的分析及处理，人工智能对于不确定的信息进行处理过程中具有更高的工作质量及效率，可以应用人工智能获取更为完整和准确的网络信息数据；三是能源消耗少。人工智能的应用可以降低计算机网络技术成本，起到节能减耗的作用。人工智能对于海量数据的计算具有更快的运算速度，节省了数据处理过程中的时间，因而降低了计算机在运行过程中所消耗的能源，节省了社会资源。
2人工智能在计算机网络技术中的有效应用
2.1人工智能在网络安全管理方面的应用
计算机网络技术的应用过程中，网络安全管理是每个用户最为关心和关注的问题，计算机网络技术虽然可以给人们的生活、学习、工作等带来便利，但是也会因为网络犯罪分子的存在而造成广大用户信息的泄露，造成用户自身利益被侵犯和损害，尤其是随着现代科技的发展进步，黑客技术也出现了提升，网络信息安全成为计算机网络技术中急需解决的首要问题。因此，相关技术人员不断研究人工智能技术在计算机网络安全管理中的应用方法和效果，通过实践发现人工智能的应用可以促进广大计算机用户成功拦截异常信息，从而更为有效地保证了广大计算机用户的信息安全。目前很多用户在计算机网络运行环境里安装了智能防火墙，通过该项人工智能技术的应用可以更好地做到智能识别，进而完成海量数据的分析和处理，该项技术的应用可以有效减少信息数据在匹配过程中的计算步骤，达到节能减耗的效果。智能防火墙的应用还可帮助广大计算机网络用户有效拦截网络中的各有害信息，遏制网络病毒侵入及传播，进而对广大计算机用户进行了全方位的保护，实现了计算机网络安全管理。再例如，很多计算机网络用户在日常的学习、工作过程中会使用到网络邮箱功能，为了更好地保护网络邮箱的信息安全，可以通过应用智能发垃圾系统，来进行垃圾邮件的分析和处理，保障用户邮箱的安全使用。该技术的应用可以通过对用户邮箱开展全面的信息扫描工作，通过其科学高效的信息分析和处理技术能有精准的发现用户网络邮箱中存在的相关病毒信息邮件、垃圾邮件及残存信息等，还可同时实现对有害邮件的信息分类，并通过信息提醒方式督促计算机用户进行有害邮件的定期处理，以防该类信息对计算机用户造成危害。人工智能入侵检测技术对于计算机网络安全管理起到了重要作用，可以借助其检测系统对存在安全威胁的信息进行预防和拦截。传统形式的防入侵检测技术应用过程可以分为信息采集、入侵信息判断、发出警告及控制几个阶段，该技术的应用有一定的局限性。智能防入侵技术具有规则产生式的专家系统、将神经网络作为技术基础、具有更为科学先进的数据挖掘技术，在这三种先进技术的共同应用和影响下，使得入侵威胁网络安全的有害信息得到了更为有效的检测，更好地控制了有害信息对计算机互联网造成的安全威胁。
2.2人工智能在网络系统管理和网络评价方面的应用
计算机网络系统管理和网络评价环节的出现源于人工智能的应用，人工智能在计算机网络系统中的应用，可以运用科学使其技术具有人类的大脑思维特征，进而更为有效地帮助了广大计算机用户完成网络系统的分类、归纳及优化。计算机网络具有动态特性及顺便特点，在进行网络系统中的海量信息数据操作过程中，无法完全依赖人力去完成以及实现对计算机网络系统的优化和管理目标。人工智能则可更为高效和科学地完成网络系统的管理及评价，并且可将网络系统的自身运行状态及时向计算机用户反馈，进而提升网络系统管理效率和质量。agent是人工智能的核心技术内容，指的是具有自主活动特征的软件或者软件主题，该技术涵盖了数据库、翻译推力器及相应的通信设备，其结构存在一定的复杂性。agent技术应用于计算机用户进行实际问题的解决过程中，通常情况会使用一个agent专门负责进行各种信息数据的接收，在与其他agent之间通过沟通处理，进而在极短时间内实现指令任务的处理和完成。agent还可以实施自定义式的个性化服务，agent在接收到用户的指令信息之后，agent系统则会对信息数据进行科学筛选，进而将较为精准的信息数据高效的传输给计算机用户，为计算机用户进行网络信息搜索节约了更多时间。agent的科学应用还表现在可以帮助用户实现相应知识的深度挖掘，同时在系统中可以实现较完善的知识储备库从而为用户可以提供更先进的导航，并更具计算机用户的日常网络使用和操作特点，给计算机用户制定其所需要的个性化服务，以实现了计算机网络的智能化、便捷化、个性化发展。
3人工智能在计算机网络技术中的应用趋势
3.1人工神经网络发展趋势分析
人工智能是具有很大挑战特点的科学技术，从事该项技术工作的各环节工作人员不仅需要具备专业的计算机相关学科知识，还要具备心理学、语言学、生理学等多领域的知识。人工智能技术会随着人类社会的不断进步而不断发展，随着人们对于该技术要求的不断提升，为了更好地服务人类，其在未来的发展趋势中必将朝着更为科学和人性化方向发展。人工神经系统即是人工智能未来的发展趋势之一，其指的是丰富的处理单元，通过大量神经元的相互作用及联系使之成为一种神经网络。人工神经网络最主要的特点是具有更高的自学能力，可以实现自主解决多种多维非线性方面的问题，且在进行实际的解题过程和范围中可以突破传统的局限性，其不仅可以解决定量类型问题，对于定性类型的问题，人工神经网络同样可以实现有效解决。人工神经网络同时还具备和人类的大脑潜意识相仿的巨大信息储存容量，可以帮助各用户更好地解决各类问题，进而实现计算机互联网的有效管理，满足不同用户对各种信息数据的处理需求。
3.2人工智能机器人具备学习功能
人工智能型机器人技术的开发和应用均是参照人类的大脑思维进行的，在人工智能的未来发展趋势中，实现机器人的自主学习将作为相关领域人员的研究方向。目前在我国科学技术水平支持下，人工智能具备了初级的学习功能，但是还无法与人类自身的学习能力相提并论，因此人工智能需要提升学习能力。人类的大脑神经系统要比人工智能技术中的结构复杂很多，人类可以进行感情、情绪的自由表达，而人工智能则只能通过脸部表情识别方式进行情绪的表现，使得人工智能有局限性。随着科技的进步，在未来的发展趋势中人工机器人的技术发展会越来越趋于人类大脑思维和方式。
3.3人工智能识别功能领域的扩展
在我国目前的计算机行业中，电子设备已出现了多元化发展特点，计算机用户可选择的软件产品和种类也在日益增多，相关人员利用人类声音设计了不同的软件，还实现了人物图像及文字等的识别功能，但是缺乏外界感知功能。因此，在未来的发展趋势中人工智能会更加趋向于全面识别功能的开发和研究。
4结束语
随着我国社会的发展和科学技术的不断进步，人工智能在计算机的网络技术中应用的范围和领域会越来越广泛。本文主要分析人工智能应用在计算机网络技术中的优势及有效应用，同时对于人工智能的未来发展趋势进行探析。通过分析与研究可以看到，人工智能在计算机网络技术中的应用目前主要体现在网络安全管理、网络系统管理及网络评价方面的应用，对于计算机网络技术起到了极大的促进作用。保障了计算机用户的信息安全，提升了管理效率和质量，提供了较为个性化的服务。还可看到人工智能在未来的发展趋势中会朝着人工神经网络、人工智能机器人具备自主学习功能及智能识别功能等领域发展，人工智能技术会随着社会的发展不断为人类提供更为科学、高效、个性化的服务。
参考文献
[1]刘哲良.浅谈大数据时代人工智能在计算机网络技术中的应用[J].数码世界，2021(1):260-261.
人工智能神经网络技术篇2
随着计算机网络、信息技术、自动化技术的进步，极大的改变了我们的生活。人工神经网络技术是一种全新的控制技术，通过互联网进行动态模拟，从而建立一种新的控制互联网的系统。经过十几年的发展，人工神经网络技术研究取得了巨大的进步，已经广泛应用在社会各个领域，使现代计算机中的难题得到了解决。本文主要从人工神经网络技术的概念出发，探讨了它在现代社会领域的具体应用。
【关键词】人工神经网络信息技术发展趋势
人工神经网络技术在处理实际问题主要包括两个过程，一个是学习训练过程，另外一个是记忆联想过程。近年来随着人工网络技术的发展，人工神经网络技术在信号处理、图像处理、智能识别等领域已经取得了巨大的改变，为人们研究各类科学问题提供了一种新的方法和手段，使人们在交通运输、人工智能、军事、信息领域的工作更加便捷，近年来随着ai的l展，人工神经网络技术得到了快速的发展阶段。
1人工神经网络技术
人工神经网络技术也称ann，是随着上个世纪八十年代人工智能发展兴起的一个研究热点，它的主要工作原理对人脑神经网络进行抽象处理，并仿造人脑神经网络建立简单的模型，按照不同的连接方式组成一个完整的网络，因此学术界也直接将它成为神经网络。神经网络其实就是一种运算模型，它是通过大量的节点――神经元连接起来的，其中不同的节点所代表的输出函数也不同，也就是所谓的激励函数；当有两个节点连接起来时称之为通过该连接信号的加权值，也称为权重，这就相当人脑神经网络记忆。人工神经网络技术是采用并行分布式系统，这种工作机理与传统的信息处理技术和人工智能技术完全不同，是一种全新的技术，它克服了传统基于逻辑符号的人工智能处理非结构信息化和直觉方面的缺陷，具有实时学习、自适应性和自组织性等特点。
2人工神经网络技术应用分析
随着人工神经网络技术的发展，它在模式识别、知识工程、信号处理、专家系统、机器人控制等方面的应用较广。
2.1生物信号的检测分析
目前大部分医学检测设备都是通过连续波形得到相关数据，从而根据所得数据对病情进行诊断。人工神经网络技术就是应用了这样的方式将多个神经元组合起来构成，解决了生物医学信号检测方面的难题，其适应性和独立性强，分布贮藏功能多。在生物医学领域该技术主要应用于对心电信号、听觉诱发电位信号、医学图像、肌电荷胃肠等信号的处理、识别和分析。
2.2医学专家系统
传统的医院专家系统是直接将专家的经验、学历、临床诊断方面取得的成绩等存储在计算机中，构建独立的医学知识库，通过逻辑推理进行诊断的一种方式。进入到二十一世纪，医院需要存储的医学知识越来越多，每天产生新的病况和知识，过去的一些专家系统显然已经无法适应医院的发展需求，因此医院的效率很低。而人工神经网络技术的出现为医院专家系统的构建提出了新的发展方向，通过人工神经网络技术，系统能够自主学习、自己组织、自行推理。因此在医学专家系统中该网络技术应用面较广。麻醉医学、重症医学中生理变量分析和评估较多，目前临床上一些还没有确切证据或者尚未发现的关系与现象，通过人工神经网络便能有效地解决。
2.3市场价格预测
在经济活动中，传统统计方法受到一些因素的制约，无法对价格变动做出准确的预测，因此难免在预测的时候出现失误的现象。人工神经网络技术能够处理那些不完整的、规律不明显、模糊不确定的数据，并作出有效地预测，因此人工神经网络技术具有传统统计方法无法比拟的优势。例如人工神经网络技术可以通过分析居民人均收入、贷款利率和城市化发展水平，从而组建一个完整的预测模型，准确预测出商品的价格变动情况。
2.4风险评价
在从事某一项特定的活动时，由于社会上一些不确定因素，可能造成当事人经济上或者其他方面的损失。因此在进行某一项活动时，对活动进行有效的预测和评估，避免风险。人工神经网络技术可以根据风险的实际来源，构筑一套信用风险模型结构和风险评估系数，从而提出有效地解决方案。通过信用风险模型分析弥补主观预测方面的不足，从而达到避免风险的目的。
3人工神经网络技术未来发展
人工神经网络克服了传统人工智能对语言识别、模式、非结构化信息处理的缺陷，因此在模式识别、神经专家系统、智能控制、信息处理和天气预测等领域广泛应用。随着科学技术的进步，ai的快速发展，ai与遗传算法、模糊系统等方面结合，形成了计算智能，很多企业和国家开始大规模研发ai，人工神经网络正在模拟人类认知的方向发展，目前市场已经有很多不少人工智能产品面世。
4结语
通过上述研究分析，人工神经网络技术已经取得了相应的发展，但还存在很多不足：应用范围狭窄、预测精度低、通用模型缺乏创新等，因此需要我们在此基础上不断寻找新的突破点，加强对生物神经元系统的研究和探索，进一步挖掘其潜在的价值，将人工神经网络技术应用在更多领域中，为社会创造更大的财富。
参考文献
[1]周文婷，孟琪.运动员赛前心理调控的新策略――基于人工神经网络技术的比赛场地声景预测（综述）[J].哈尔滨体育学院学报，2015，33（03）：15-21.
[2]张红兰.人工神经网络技术的应用现状分析[J].中国新通信，2014（02）：76-76.
[3]张广军.人工神经网络技术在光电检测中的应用[J].北京航空航天大学学报，2001，27（05）：564-568.
人工智能神经网络技术篇3
关键词：智能控制；火控技术；思考方向
现代控制逐渐向综合性科学技术方向发展，如非线性控制、随机控制等，且加大了对其他学科领域的渗透和吸收。现代控制理论主要是以线性代数和微分方程作为数据控制，针对控制系统进行分析与设计[1]。在全新思想的推动下，如今智能控制越来越受到重视，进一步实现了火控系统技术的推动发展。尤其是随着指挥与控制系统工程学科的成立，火控系统成为该学科的重要内容。
1智能控制的理论概述及方法研究
智能控制主要是指自动控制与运筹，包含计算智能、人工智能等结合，能够满足模拟人一定智能和经验，实现识别、推理、决策和执行等[2]。近年来我国各项先进的科学技术发展较快，并在多个领域逐渐实现智能控制系统，但由于武器火控系统等比较复杂，且存在非线性、时变性和不确定性等，难以对其进行精确数学模型的建立，因此通过联合人工智能、计算智能和控制理论，可以确保在进行控制系统的设计时，对被控对象的数学模型要求不高，能够直接根据设计人员的专业知识，促使被控对象达到预期目的。智能控制理论将专家系统、神经网络、遗传算法优化等作为基础，属于人工智能与控制理论的结合，即智能控制需要依据计算机和数值方法实现各项功能。
虽然如今已经有很多领域应用智能控制系统，但发展还不够完善，然而价值已经逐渐凸显出来，可以判断智能控制进一步发展，将会给控制科学与工程学科带来革命性的进步。依据中国科学技术出版社相关报告，控制理论发展主要分为调节原理代表、状态空间代表和智能控制代表等三个阶段[3]。智能控制的发展方向主要有人工神经元网络发展方向，主要表现为收敛性、稳定性等；模糊逻辑与模糊控制发展方向，其具有高度可行性和合理性，尤其是在复杂系统与行为中，优势比精确控制更加明显；学习控制发展方向，主要应用在生物与工程的应用研究中。
2智能控制人工神经元网络的应用
人工神经元网络是体现智能控制发展的重要依据，属于近年来高速发展的边缘学科，属于复杂生物神经网络研究基础上的新型技术。人工神经元网络主要是由适应性简单单元组成的并行互连网络，实现满足模拟人类大脑活动，大规模并行处理和自训练学习、容错能力等能力。人工神经元网络为建模系统的输入输出提供刻画方法，具有重要的价值，如今其已经发展出几十种网络，其中应用比较广泛且发展比较成熟的为反向传播网络和径向基网络，均为前向型网络。其他网络则因为各种原因，限制了应用[4]。反向网络作为多层前馈神经网络，能够模拟任意复杂的非线性映射，且应用空间较大，但精确无法与径向基网络相比。径向基神经网络具有全局最佳逼近的能力，包含输入层、隐含层和输出层，其中输入层主要为信号源节点，隐含层为非负非线性数，输出层则为线性。
3智能控制促进火控技术进步的思考
3.1火控技术的知识结构和层次
指挥与控制学科体系下火控技术知识结构主要分为三个层次，即系统知识层、控制知识层和基础知识层。其中系统知识层有包含指挥与系统工程、复杂系统、运动控制系统、管理信息系统、人机系统等。控制知识层包含控制与智能、网络与通信、计算与处理、执行与驱动、传感与检测、对象与建模等。基础知识层则包含数理基础、机电一体化基础、计算机基础、数学、力学、物理、化学、生命科学、计算机原理、军事学、电工电子基础、微机原理等。
3.2智能控制与火控技术的关系
随着我国工业化水平和新计划技术的发展，推动了控制科学的创新，实现全新控制理论和全新控制方法在火控系统中的应用[5]。智能控制对于不同层次的控制采用不同的控制方法，即低层次控制采用常规控制器，而高层次控制则利用具备在线学习、修正、组织、规划等能力的控制器，通过模拟人类思维和经验进行求解过程的引导。将智能控制引导到火控系统中，则为智能火控。
此外复杂系统控制的理论和方法对火控系统的进步有一定的价值，如混杂与切换系统、多自主体的涌现等。通过研究复杂控制系统的涌现现象，如自组织与趋同性，可以在机器人协作、飞行器队列控制中得到应用。
3.3智能控制在火控系统中的应用
在当前的火控系统中，主要采用射表逼近法进行解算，如非标准弹道方程结算、气象条件修正量的弹道方程解算等，即需要依据相应的情况建立多个射表，造成降低解算精确和毁伤概率的降低。如果运算量过大，还会出现实时性的问题。因此为了能够有效提高解算精度，可以通过设计RBF网络进行解算。在RBF网络中输出层和隐含层的任务不同，学习策略也存在不同，其中输出层采用线性优化策略，隐含层采用非线性优化策略，学习速度相对较慢。通过随机选取中心学习方法，利用最小二乘原则，结合样本信号进行隐含层参数和输出层参数的校正，有效提高网络的精度。
4结束语
综上所述，随着科学技术的繁荣发展，传统自然科学学科的深入研究，学科之间的相互渗透性越来越强，很容边缘学科和交叉学科逐渐涌入人们的视野。随着自动化技术、指挥与控制系统的发展，智能控制受到重视，将其应用在火控技术中，能够进一步推动火控技术的进步。
参考文献
[1]马玲.科技打造精准火控创新铸就坚固国防――记何梁何利科技创新奖获得者、中国指挥与控制学会秘书长秦继荣[J].海峡科技与产业，2014，05：100-103.
[2]寇英信，李战武，陈哨东，周德云.火控系统在航空作战中的作用――作战飞机之“魂”[J].电光与控制，2013，12：1-5.
[3]陆君，吕彤光.光电探测技术在火控系统中的应用及发展[J].红外与激光工程，2012，04：1047-1051.
人工智能神经网络技术篇4
关键词：人工智能足球机器人人工神经网络智能控制
引言
足球机器人系统是一个典型的多智能体系统和分布式人工智能系统，涉及机器人学、计算机视觉[1]、模式识别、多智能体系统[2]、人工神经网络[3]等领域，而且它为人工智能理论研究及多种技术的集成应用提供了良好的实验平台。机器人球队与人类足球一样，它的胜负不但取决于机器人本身的性能，而且取决于比赛策略，只有将可靠的硬件与先进的策略结合才能取胜。人工智能技术在足球机器人的平台上有着重要的作用。从机器人的外观到机器人最重要的核心部分——控制、决策，都无不起着重要的作用。专家系统[4]、人工神经网络在机器人的路径规划[5]上得到充分的应用。
1.人工智能研究现状
人工智能[6-8]是一门研究人类智能机理，以及如何用计算机模拟人类智能活动的学科，该领域的研究包括机器人、语言识别[9]、图像识别、自然语言处理和专家系统等，涉及数理逻辑、语言学、医学和哲学等多门学科。人工智能学科研究的主要内容包括：知识表示[10][11]、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、智能机器人、自动程序设计等方面。
几乎所有的编程语言均可用于解决人工智能算法，但从编程的便捷性和运行效率考虑，最好选用“人工智能语言”[12]。常用的人工智能语言有传统的函数型语言Lisp、逻辑型语言prolog及面向对象语言Smalltalk、VC++及VB等，math-works公司推出的高性能数值计算可视化软件matlab中包含神经网络工具箱，提供了许多matlab函数。另外，还有多种系统工具用于开发特定领域的专家系统，如inSiGHt、GURU、CLipS、aRt等。这些实用工具为开发人工智能应用程序提供了便利条件，使人工智能越来越方便地运用于各种领域。
智能机器人是信息技术和人工智能等学科的综合试验场，可以全面检验信息技术和人工智能等各领域的成果，以及它们之间的相互关系。人工智能技术中的视觉、传感融合、行为决策、知识处理等技术，需要使无线通讯、智能控制、机电仪一体化、计算机仿真等许多关键技术有机、高效地集成统一。人们在很多领域都成功地实现了人工智能：自主规划和调度、博弈、自主控制、诊断、后勤规划、机器人技术、语言理解和问题求解等。
2.人工智能主要研究领域
人工智能的研究领域非常广泛，而且涉及的学科非常多。目前，人工智能的主要研究领域包括：专家系统、机器学习、模式识别、自然语言理解、自动定理证明、自动程序设计、机器人学、智能决策支持系统及人工神经网络等。下面主要介绍在足球机器人设计、制造、控制等过程中常用的人工智能技术[13]。
2.1专家系统
专家系统是一个智能计算机程序系统，是一个具有大量专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家处理的复杂问题。专家系统一般具有如下基本特征：具有专家水平的专门知识；能进行有效的推理；具有获取知识的能力；具有灵活性；具有透明性；具有交互性；具有实用性；具有一定的复杂性及难度。
2.2人工神经网络
人工神经网络是由大量处理单元互联组成的非线性、自适应信息处理系统，采用了与传统人工智能和信息处理技术完全不同的机理，克服了传统的基于逻辑符号的人工智能在处理直觉、非结构化信息方面的缺陷，具有自适应、自组织和实时学习的特点。神经网络在很多领域已得到了很好的应用，但其需要研究的方面还很多。其中，具有分布存储、并行处理、自学习、自组织和非线性映射等优点的神经网络与其他技术的结合，以及由此而来的混合方法和混合系统，已经成为一大研究热点。由于其他方法也有优点，因此将神经网络与其他方法相结合，取长补短，可以达到更好的应用效果。目前这方面工作有神经网络与模糊逻辑、专家系统、遗传算法、小波分析、混沌、粗集理论、分形理论、证据理论和灰色系统等的融合。
2.3图像处理
图像处理是用计算机对图像进行分析，达到所需结果，又称影像处理。图像处理技术主要包括图像压缩，增强和复原，匹配、描述和识别三个部分。常见的处理有图像数字化、图像编码、图像增强、图像复原、图像分割和图像分析等。数字图像处理中的模式识别技术，可以对人眼无法识别的图像进行分类处理，可以快速准确地检索、匹配和识别出各种东西，在日常生活各方面和军事上用途较大。
3.人工智能在足球机器人中的应用
3.1基于专家系统的足球机器人规划
路径规划或避碰问题是足球机器人比赛中的一个重要环节。根据工作环境，路径规划模型可分为基于模型的全局路径规划和基于传感器的局部路径规划。全局路径规划的主要方法有：可视图法、自由空间法、最优控制法、栅格法、拓扑法、切线图法、神经网络法等。局部路径规划的主要方法有：人工势场法、模糊逻辑算法、神经网络法、遗传算法[14]等。机器人规划专家系统是用专家系统的结构和技术建立起来的机器人规划系统。大多数成功的专家系统都是以基于规则系统的结构来模仿人类的综合机理的。它由五部分组成：知识库、控制策略、推理机、知识获取、解释与说明。随着人工智能计算智能与进化算法研究的逐步发展，遗传算法、蚁群算法等的提出，机器人路径规划问题得到了相应发展。尤其是通过遗传算法在路径规划中的应用，机器人更加智能化，其运行路径更加逼近理想的优化要求。以动态、未知环境下的机器人路径规划为研究背景，利用遗传算法采用了基于路点坐标值的可变长染色体编码方式，构造了包含障碍物排斥子函数项的代价函数，使得路径规划中的地图信息被成功引入到了遗传操作的实现过程中。同时针对路径规划问题的具体应用，改进了交叉和变异两种遗传算子，获得了较为理想的路径搜索效率，达到了较好的移动机器人路径规划效果。
3.2人工神经网络在机器人定导航中的应用
人工神经网络是一种仿效生物神经系统的信息处理方法，其优点主要体现在它可以处理难以用模型或规则描述的过程和系统；对非线性系统具有统一的描述；有较强的信息融合能力。因此在移动机器人定位与导航方面，基于神经网络的多传感器信息融合正是利用了神经网络的这些特性，将机器人外部传感器的传感数据信息作为神经网络的输入处理对象，从而获得移动机器人自身位置与对障碍物比较精确的估计，实现移动机器人的避障与自定位。
结语
随着人工智能技术的进一步研究，足球机器人竞赛水平将不断提高。但就目前情况来看，在现有的基础上扩大应用的范围，增强应用的效果，还应主要在人工智能技术上做进一步的研究。专家系统在专家知识的总结、表述及不确定的情况下推理是目前专家系统的瓶颈所在。制造生产的多变复杂性及操作的人工经验性，使人工智能的应用受到限制。此外，一些工艺参数的定量化实现也不易。随着技术的飞速发展，人工智能技术也在进一步完善，如多种方法混合技术、多专家系统技术、机器学习方法、并行分布处理技术等。随着新型人工智能技术的出现，制造业将会更加光明，性能更加优越的足球机器人也不再遥远。
参考文献：
[1]郑南宁.计算机视觉与模式识别[m].北京-国防工业出版社，1998.3.
[2]wangHongbingFanZhihuaSheChundongFormalSpecificationofRoleassignmentforopenmultiagentSystemChineseofJournalelectronics[J].2007，16（2）：212-216.
[3]LiminGZHanGanDFanJiGUneURaLinFoRmationpRoCeSSinGVoLUme1[m]FudanUniversitypress，2001.
[4]CaiZixing，King-SunFu.expert-System-BasedRobotplanning？Controltheory&applications[J].1988（2）：35-42.
[5]张锐，吴成东.机器人智能控制研究进展[J].沈阳建筑工程学院学报（自然科学版），2003，19（1）：61-64.
[6]蔡自兴，徐光祐.人工智能机器应用（第三版）清华大学出版社，2004.
[7]艾辉.谢康宁，谢百治.谈人工智能技术[J]中国医学教育技术，2004，18（2）：78-80.
[8]nilssonnJ.artificialintelligence：anewSynthesis[m].Beijing：Chinamachinepress，2006：72-95.
[9]HanJiqingGaowenRobustSpeechRecognitionmethodBasedonDiscriminativeenvironmentFeatureextractionJournalofComputerScienceandtechnology[J].2001；16（5）：458-464.
[10]tangZhijieYangBaoanZhangKejingDesignofmulti-attributeKnowledgeBaseBasedonHybridKnowledgeRepresentationJournalofDonghuaUniversity2006，23（6）：62-66.
[11]HuXiangpeiwangXuyinKnowledgerepresentationandrule——basedsolutionsystemfordynamicprogrammingmodelJournalofHarbininstituteoftechnology2003，10（2）：190-194.
[12]姚根.人工智能的概况及实现方法[J].2009，28（3）：108.
人工智能神经网络技术篇5
笔者经过对我国电力自动化系统进行详细考察发现我国电力自动化系统中智能技术应用非常广泛。最为典型的就是专家系统控制；线性最优控制；神经网络控制；模糊控制，综合智能控制，这五种智能技术的应用。本文将重点探讨智能化技术在这五个方面的应用。
2.专家系统控制
专家系统控制是一种典型的智能化技术。专家系统控制技术在电力自动化系统中应用最为广泛。专家控制系统是一种用来专门模拟人类专家来解决问题的计算机程序。专家控制系统内部包含多个领域专家水平的经验和知识。他主要是利用人类专家的经验来解决高水平的难题。专家控制系统是计算机技术与人工智能技术的结合。这一系统能够及时高效地帮助人们解决实际中的难题，对于提升人们的生活水平具有重要意义。专家控制系统在电气自动化控制系统中的应用主要是用来辨识系统的警告状态，提供紧急处理和系统恢复控制的措施，进行状态转换分析，静态与动态安全分析，实现配电系统自动化的。此外专家控制系统在人机接口方面也有很大用处。近些年来这一技术在电力自动化系统中应用越来越广，有效地提高了电力系统自动化水平。在看到专家控制系统所取得的效果的同时我们也要意识到目前专家控制系统本身还有许多技术问题亟待克服。笔者认为当前的专家控制系统中，在创造力方面，在深度层次方面，在面对新情况方面还有很多问题。专家控制系统本身缺乏电力专家本身的创造性，而且系统本身所储备的知识只停留在表面，只能解决一般性的问题，对于专业性的难题则很难解决，此外其自身缺乏专业的分析和组织工具是这一系统的最大缺点。由于缺乏专业先进的分析和组织工具，导致其本身无法对新型症状进行分析。因而在未来的电力系统自动化技术的发展过程中我们必须要加强对专家控制系统的研究，要着重解决好专家系统的知识获取，有效性和试验等问题。笔者认为提升专家控制系统的水平关键在于实现专家系统与其他计算分析工具的结合。
3.线性最优控制
最优控制理论是现代自动控制的经典理论。线性最优控制理论是目前应用范围最广，技术最为成熟的一种控制理论。最优控制理论在大型机组和水轮发电机自动控制系统中应用非常广泛。该技术在这两方面的应用取得了明显效果，同时也为最优控制在电力系统自动技术中的应用提供了有益的经验。当前我国电力自动控制系统中线性最优控制方法发挥着重要的作用。笔者经过观察发现线性最优控制理论在电力系统自动化中的应用主要是通过计算局部线性模型来实现的，但是电力系统具有强线性的特点，该技术在电力系统自动化应用过程中还存在不是很理想，有待我们进一步完善和提升。
4.神经网络控制
所谓神经网络控制又可以叫做神经控制，神经网络控制主要是对控制系统中难以描述的非线性对象利用神经网络工具来进行科学严禁的建模，优化计算和专业的故障诊断。神经网络控制系统的最早提出是在1992年，首次使用则是在1994年。神经网络控制系统在电力自动化控制系统中起到了十分关键的作用。根据笔者观察，神经网络控制在电力系统中起到了以下四种作用：一是起到了优化控制计算的作用；二是在精度模型的控制结构中起到了充当对象的作用；三是在系统可以直接充当控制器；四是与多种技术相结合，提高了电力自动化系统的参数优化，故障诊断，模型推理的效率。神经网络控制之所以能在电力系统自动化技术中应用广泛，就在于其本身具有非线性特征，本身具备很强的并行处理能力，墙鲁棒性和学习能力。神经网络是通过一定的方式把神经元连接起来来实现各种功能的。神经网络控制系统功能的发挥在很大程度上要受到学习算法调节权值的影响。在实际应用过程中我们必须要高度重视这一权值。当前我国神经网络系统的研究重点是网络模型和结构，此外网络学习算法的确定和实现也是一个重要的研究方向。神经网络控制系统的实现需要一定的硬件设备作支撑，在设计过程中必须要我们必须要加强对硬件设备的检测和维护。
5.模糊控制
模糊控制方法是一种十分简单且非常容易掌握的方法。这种方法在家用电器中应用范围非常广。模糊控制虽然操作起来非常方便，可是在应用过程中仍然存在不小的难度，其中最为典型的难题就是建立模型。模糊控制是一种非线性控制方法。近些年来模糊控制方法获得了迅猛发展，成为了自动控制技术中非常活跃，应用范围非常广的技术，随着该技术的发展，它的应用范围也在逐渐向电力系统自动化技术方向倾斜。在电力自动控制系统中模糊控制应用关键在于对各种数据的观测和指标的把握上。
6.综合智能控制系统
综合智能控制系统是一种应用潜力非常大的技术，综合智能控制系统实现了两个结合：一是实现了智能控制同现代控制的结合；另一方面它又实现了各种智能控制方法的交叉结合。综合智能控制集合了神经网络控制与模糊控制的优点，综合智能控制技术实现了两种技术的优势互补。在综合智能控制系统中神经网络对各种数据进行安排和分析，而模糊控制主要用来提供具备挖掘潜力的框架。智能控制技术在应用过程中都有其自身的弱点和弊病，把多种技术结合起来使用则可以有效地避免这些缺点，从而实现高效控制。综合智能控制技术就是这样一种集合多种技术优势于一身的控制技术。在综合智能控制技术中，神经网络与模糊控制，两种控制方法的结合更为普遍。
人工智能神经网络技术篇6
摘要：简要地介绍了人工智能技术的基本概念。对专家系统、人工神经网络、模
糊理论、遗传算法等人工智能技术的含义进行了介绍，并对这些技术在电力系统中的应用和存在问题进行了分析。
关键词：人工智能、电力系统、应用
中图分类号：tm76文献标识码：a文章编号：1007-9416（2012）03-0000-00
1、人工智能技术
人工智能技术(aiartificialintelligence)是一项将人类知识转化为机器智能的技术。它研究的是怎样用机器模仿人脑从事推理、规划、设计、思考和学习等思维活动，解决需要由专家才能处理好的复杂问题。在应用方面，以专家系统、人工神经网络、遗传算法等最为普遍[1][2]。
1.1专家系统(eS)
专家系统是利用知识和推理来解决专家不能解决的问题。传统程序需要固定程序和复杂算法，输入数据并得出结果。专家系统集中大量的符号处理，采用启发式方法模拟专家的推理过程，通过推理，利用知识解决问题。它具有逻辑思维和符号处理能力，能修改原来知识，适合于电力系统问题的分析。
1.2人工神经网络(ann)
人工神经网络是大量处理单元广泛互联而成的网络，是一种模拟动物神经系统的技术。神经网络具有自适应和自学习的能力，能并行处理分布信息。电力系统应用人工神经网络可以进行实时控制、状态评估等。
1.3遗传算法(Ga)
遗传算法是一种进化论的数学模型，借鉴自然遗传机制的随机搜索算法。它的主要特征是群体搜索和群体中个体之间的信息交换。该方法适用于处理传统搜索方法难以解决的非线性问题。
1.4模糊逻辑(FL)
当输入是离散的变量，难以建立数学模型。而模糊逻辑则成功地应用在潮流计算、系统规划、故障诊断等电力系统问题。
1.5混合技术
以上各种智能控制方法各有局限性，有些甚至难以处理电力系统实际问题。因此需要结合各个算法的优势，采用人工智能混合技术。其中包括：模糊专家系统、神经网络模糊系统、神经网络专家系统等技术。
2、人工智能技术的在电力自动化的应用
2.1在电能质量研究中的应用
人工智能技术可以对电压波动、电压不平衡、电网谐波等电能质量参数进行在线监测和分析。在检测和识别电能质量扰动时能克服传统方法的缺陷。专家系统随着经验的积累、扰动类型变化而不断扩充和修改，便于用户的掌握[3]。
此外，专家系统和模糊逻辑可用于培训变电站工作人员。智能软件可以模拟故障情形，有利于提高运行人员的操作技能。
2.2变压器状态监测与故障诊断专家系统
变压器事故原因判断起来十分复杂。判断过程中，必须通过内外部的检测等各种方法综合分析作出判断。变压器监测和诊断专家系统首先对油中气体进行分析。异常时，根据异常程度结合试验进行分析，决定变压器的停运检查。若经分析发现变压器已严重故障，需立即退出运行，则要结合电气试验手段对变压器的故障性质及部位做出确诊。
变压器监测和诊断专家系统通过诊断模块和推理机制，能诊断出变压器的故障并提出相应对策，提高了变压器内部故障的诊断水平，实现了电力变压器状态检修和在线监测。
2.3人工智能技术在低压电器中的应用
低压电器的设计以实验为基础，需要分析静态模型和动态过程。人工智能技术能进行分段过程的动态设计，对变化规律进行曲线拟合并进行人工神经网络训练，建立变化规律预测模型，降低了开发成本。
低压电器需要通过试验进行性能认证。而低压电器的寿命很难进行评价。模糊识别方法，从考虑产品性能的角度出发，将动态测得的反映性能的特性指标作为模糊识别的变量特征值，能够建立评估电器性能的模糊识别模型[5]。
2.4人工智能在电力系统无功优化中的应用
无功优化是保证电力系统安全，提高运行经济性的手段之一。通过无功优化，可以使各个性能指标达到最优。但是无功优化是一个复杂的非线性问题[6]。
人工智能算法能应用于电力系统无功优化。如改进的模拟退火算法，在求解高中压配电网的无功优化问题中，采用了记忆指导搜索方法来加快搜索速度。模式法进行局部寻优以增加获得全局最优解的可能性，能够以较大概率获得全局最优解，提高了收敛稳定性。禁忌搜索方法寻优速度较快，在跳出局部最优解方面有较大优势。遗传算法在解决多变量、非线性、离散性的问题时有极大的优势。要求较少的求解信息的，模型简单，适用范围广。
2.5人工智能在电力系统继电保护中应用
自适应型继电保护装置能地适应各种变化，改善保护的性能，使之适应各种运行方式和故障类型。它能够有效地处理各种故障信息，获得可靠的保护。
借助于人工智能技术不但能够提取故障信息，还能利用其自学习和自适应能力，根据不同运行工况，自适应地调整保护定值和动作特性。
2.6人工智能在抑制电力系统低频振荡的应用
大规模电网互联易产生低频振荡，严重威胁着电力系统的安全。人工智能为电力系统低频振荡的控制提供了技术支持。神经网络、模糊理论、Ga等人工智能技术应用于FaCtS控制器和自适应pSS的研究，为抑制电力系统低频振荡提供了新的手段。
3、人工智能在电力系统中存在的前景
作为一门交叉学科，人工智能将随着其他理论的发展而进入新的发展阶段。应用新方法解决问题，或促进各种方法的融合，保持简单的数学模型和全局寻优情况下，寻求到更少的运算量，提高算法效率，将是未来发展的趋势。
随着电力系统的发展，电力系统的复杂性不断增加，不确定因素越来越多。随着人工智能技术的不断发展和提高，利用人工智能技术来解决电力系统的问题将会受到越来越多的重视。
4、结语
随着我国电力系统的持续稳步发展，电力系统数据量不断增加，管理上复杂程度大幅度增长，市场竞争的加大，为人工智能技术在电力系统的应用提供了广阔前景。
但人工智能技术的基本理论还不成熟，只是停留在仿真和实验阶段。人工智能的开发是一个长期的过程，需要不断改进和完善，并在实际应用中接受检验。
参考文献：
[1]马少平,朱小燕.人工智能[m]．北京：清华大学出版社，2004
人工智能神经网络技术篇7
中图分类号：G642
1背景
电子信息科学与技术是以物理和数学为基础，研究通过电学形式表达和操控信息的基本规律以及运用这些基本规律实现各种电子系统的方法。在进入电子时代和信息社会的今天，电子信息科学技术已渗透各个领域。随着电子信息技术日新月异，电子信息教学领域也面临着全新的挑战，需要培养具有全方位视野和超强能力的新一代工程师及领导者。本着这一目标，清华大学电子系自2008年开始着手进行课程改革，通过改革课程体系将原有课程重新整合，从学科范式的角度整理出电子工程本科教育的知识体系结构，从而梳理出新的本科课程体系，形成电子信息领域学科地图[1-2]。
2016年alphaGo战胜李世石的事实，让人工智能技术再一次向世人展示了自己的潜力。人工智能无论在传统的制造加工行业，还是在新兴的互联网行业，都成为国内外各大企业争相研究开发的目标，在学术界也是如此。2016年底，Gartner全球峰会2017十大技术趋势报告[3]，预测2017年十大技术趋势：人工智能与机器学习、智能应用、智能事物、虚拟和增强现实、数字化双生、区块链和已分配分类账、对话式系统、格网应用和服务架构、数字化技术平台、自适应安全架构。Gartner预计2017年全球将有超过60%的大型企业开始采用人工智能技术。
在2016年开设的媒体与认知课程内容中，我们参考国内外诸多名校相关课程的理论及项目内容，结合电子工程系在该领域研究的基础优势和创新性成果，建设了一套媒体认知人工智能技术教学课程内容及平台，以期学生获得人工智能技术中深度学习技术的基础理论和开发能力。课程通过提供人工智能技术领域高层次专业人才必需的基本技能、专业知识及思维方式，力争培养具有国际一流科研创新能力的人工智能方向的专业技术人才。
2人工智能技术教学内容
美国mit大学的StatisticalLearningtheoryandapplications课程[4]，致力于从统计学习和正则化理论的角度介绍机器学习的基础和最新进展。除了经典的机器学习方法，如支持向量机、流形学习、有监督学习等之外，还重点介绍深度学习计算的理论框架并要求学生以项目形式给出基于机器学习和深度神经网?j的解决方案。
美国CmU大学的DeepLearning课程[5]通过一系列研讨会和课程实验介绍深度学习这一主题，涵盖深度学习的基础知识和基础理论及应用领域，以及大量数据学习的最新问题。通过若干实验题目，学生可以对深度神经网络原理及应用加深理解。
美国Stanford大学的DeepLearningfornaturalLanguageprocessing课程[6]深入介绍应用于自然语言理解的深度学习前沿研究，讨论包括循环神经网络、长短期记忆模型、递归神经网络、卷积神经网络等非常新颖的模型。通过上机实验，学生将学习使用神经网络工作的技巧来解决实际问题，包括实施、训练、调试、可视化和提出自己的神经网络模型，最终的实验项目涉及复杂的循环神经网络并将应用于大规模自然语言理解的问题。
媒体认知课程参考了上述著名课程的理论内容和项目特色。我们结合电子工程系在人工智能领域研究的基础、优势和创新性成果，设计开发了一套以人工智能技术为基础的前沿探索型媒体认知教学课程内容及实验平台，试图构建具有国际水准的人工智能技术教学课程内容。
3深度学习技术发展概况
传统的人工智能系统一般采用机器学习技术，这类技术在处理原始形式的自然数据的能力上受到限制，一般困难集中在如何将原始数据变换为合适的内部表示或特征向量。深度学习（deeplearning）近年来受到人工智能行业的广泛关注，是一种表征学习（representation-learning）方法，由于拥有可以逼近任意非线性函数的特性，深度神经网络（deepneuralnetwork，Dnn）及其衍生的各种神经网络结构有能力取代传统模型，在语音、图像、文本、视频等各种媒体的内容识别系统中发挥作用。
著名的人工智能科学家YannLeCun于2015年在nature上发表文章[7]指出，深度学习允许多个处理层组成的计算模型学习如何表征具有多级抽象层面的数据。这些方法已经大大提高语音识别、视觉识别、目标检测以及诸如药物发现、基因学等许多领域的最新技术水平。深度学习通过使用反向传播算法发现大数据集中的复杂结构，以指示机器如何改变其内部参数，这些内部参数是从深度神经网络上一层的表示中计算每层中的表示。深度卷积网络在处理图像、视频、语音和音频方面带来突破性的进展，而递归网络则对文本、语音等顺序数据提供解决方案。
递归网络可被视作较深的前馈网络，其中所有层共享相同的权重。递归网络的问题在于难以在长期的时间内学习并存储信息。为了解决这一问题，长短期记忆（longshort-termmemory，LStm）模型网络被提出，主要特点在于其存储器单元在下一个加权值为1的时间段内与自身连接，因此能够在复制自身状态的同时累加外部信号，此外这种自我连接被另一个单元通过学习决定何时清除此类信息。长短期记忆模型被证明在语音识别和机器翻译应用系统中比传统的递归网络更加有效。
4基于深度学习的语音识别教学项目
在对上述课程及配套项目进行详细研究的基础上，结合现有科研及平台，我们构建了一种基于深度学习的连续语音识别项目平台，包括两个主要项目：深度神经网络语音识别项目及长短期记忆模型递归神经网络语音识别项目。
4.1深度神经网络语音识别项目
典型的深度神经网络语音识别模型[8-9]核心是对声学特征进行多层变换，并将特征提取和声学建模在同一网络中进行优化。神经网络可以通过非线性激活函数来拟合任何非线性函数，可以使用神经网络取代原有声学模型中的高斯混合模型，用来计算每一帧的特征与每个音素的相似程度。深度神经网络原理的结构示意图如图1所示。
图1代表了一个拥有3个隐含层的深度神经网络。相邻两层中，每层的每一个节点都与另外一层的所有节点单向连接。数据由输入层输入，逐层向下一层传播。对于节点间的连接权重，采用Bp算法。Bp算法对于给定的输入输出训练数据，首先通过正向传播由输入得到输出，之后通过实际输出与理论上的正确输出之差得到残差，并由输出层向输入层根据激活函数与连接权重反向传播残差，计算出每一个节点与理想值之间的残差，最后根据每个节点的残差修正节点间连接的权重，通过对权重的调整实现训练，从而更加靠近理论输出结果。
将Dnn实际利用到语音识别的声学模型时，其结构示意图如图2所示。深度神经网络的输入层输入从每一帧音频中提取出的特征，通过网络的正向传播，在输出?邮涑龅鼻爸《杂Σ煌?音素的相似程度，从而作为Hmm的发射概率进行语音识别。考虑到Dnn没有记忆特性，而语音信号即使是在音素层级上，其前后也有相当大的联系。为了提高Dnn在处理前后高度关联的语音信号中的表现，一般选择同时将当前帧的前后部分帧作为网络的输入，从而提高对当前帧识别的正确率。
4.2长短期记忆模型递归神经网络语音识别项目
长短期记忆模型应用于语音识别中声学模型的思路和深度神经网络类似[10-11]，取代高斯混合模型用于计算输入帧与各音素的匹配程度。原理为首先根据输入门判断输入的数据可以进入记忆细胞的比例，同时遗忘门决定记忆细胞遗忘的比例；之后由记忆细胞残存的记忆部分和新输入的部分求和，作为记忆细胞的新记忆值；将新的记忆值根据输出门的控制得到记忆细胞的输出，并通过递归投影层降维，降维之后的结果一方面作为3个控制门的反馈，另一方面作为网络的输出；非递归投影层则仅仅作为最终输出的补充，而不会影响控制门。将长短期记忆模型实际利用到语音识别的声学模型时，其结构示意图如图3所示。
与深度神经网络不同，长短期记忆模型递归神经网络因为有记忆特性，所以不需要额外的多帧输入，只需要输入当前帧。然而，考虑到语音前后的关联性，一般会将输入的语音帧进行时间偏移，使得对t时刻帧的特征计算得到的输出结果是基于已知未来部分帧的特征之后进行的，从而提高准确度。
人工智能神经网络技术篇8
由于人体与疾病的复杂性，不可预测性，非常适合人工神经网络的应用。目前的研究几乎涉及从基础医学到临床医学的所有方面，主要应用于生物信号的检测与自动分析，医学专家系统等。
在麻醉与危重医学相关领域的研究涉及到多生理变量的分析与预测，从临床数据中发现一些尚未发现或尚无确切证据的关系与现象，信号处理，干扰信号的自动区分检测，各种临床状况的预测，单独或结合其他人工智能技术进行麻醉闭环控制等。
在围术期和重症监护与治疗阶段，需要获取大量的信息，将可能在信号处理、基于动态数据驱动的辅助决策专家系统、数据挖掘、各种临床状况的预测、智能化床旁监护、远程医疗与教学、医疗机器人等各方面广泛运用到人工神经网络技术和其他人工智能技术。
一、概述
人工神经网络（artificialneuralnetwork,ann）是人工智能(artificialintelligence,ai)学科的重要分支。经过50多年的发展，已成为一门应用广泛，涉及神经生理学、认识科学、数理科学、心理学、信息科学、计算机科学、微电子学等多学科交叉、综合的前沿学科。
现代计算机的计算构成单元的速度为纳秒级，人脑中单个神经细胞的反应时间为毫秒级，计算机的运算能力为人脑的几百万倍。可是，迄今为止，计算机在解决一些人可以轻而易举完成的简单任务时，例如视觉、听觉、嗅觉，或如人脸识别、骑自行车、打球等涉及联想或经验的问题时却十分迟钝。也不具备人脑的记忆与联想能力，学习与认知能力，信息的逻辑和非逻辑加工能力，信息综合判断能力，快速的高度复杂信息处理速度等。
造成这种问题的根本原因在于，计算机与人脑采取的信息处理机制完全不同。迄今为止的各代计算机都是基于冯*纽曼工作原理：其信息存储与处理是分开的；处理的信息必须是形式化信息，即用二进制编码定义；而信息处理的方式必须是串行的。这就决定了它只擅长于数值和逻辑运算。而构成脑组织的基本单元是神经元，每个神经元有数以千计的通道同其他神经元广泛相互连接,形成复杂的生物神经网络。生物神经网络以神经元为基本信息处理单元,对信息进行分布式存储与加工,这种信息加工与存储相结合的群体协同工作方式使得人脑呈现出目前计算机无法模拟的神奇智能。
人工神经网络就是在对人脑神经网络的基本研究的基础上，采用数理方法和信息处理的角度对人脑神经网络进行抽象，并建立的某种简化模型。一个人工神经网络是由大量神经元节点互连而成的复杂网络,用以模拟人类进行知识的表示与存储以及利用知识进行推理的行为。一个基于人工神经网络的智能系统是通过学习获取知识后建立的,它通过对大量实例的反复学习,由内部自适应机制使神经网络的互连结构及各连接权值稳定分布，这就表示了经过学习获得的知识。
人工神经网络是一种非线性的处理单元。只有当神经元对所有的输入信号的综合处理结果超过某一门限值后才输出一个信号。因此神经网络是一种具有高度非线性的超大规模连续时间动力学系统。它突破了传统的以线性处理为基础的数字电子计算机的局限，标志着人们智能信息处理能力和模拟人脑智能行为能力的一大飞跃。
近20年来，神经网络的软件模拟得到了广泛研究和应用，发展速度惊人。1987年在圣地亚哥召开了首届国际神经网络大会，国际神经网络联合会(inns)宣告成立。这标志着世界范围内掀起神经网络开发研究热潮的开始。
二、医学领域应用现状与前景
由于人体与疾病的复杂性，不可预测性，在生物信号与信息的表现形式、变化规律（自身变化与医学干预后变化），对其检测与信号表达，获取的数据及信息的分析、决策等诸多方面均存在大量复杂的非线性关系，非常适合人工神经网络的应用。目前的研究几乎涉及从基础医学到临床医学的所有方面，主要应用于生物信号的检测与自动分析，医学专家系统等。
1、信号处理：
在生物医学信号的检测和分析处理中主要集中对心电、脑电、肌电、胃肠电等信号的识别，脑电信号的分析，听觉诱发电位信号的提取，医学图像的识别和数据压缩处理等。
2、医学专家系统
医学专家系统就是运用专家系统的设计原理与方法,模拟医学专家诊断、治疗疾病的思维过程编制的计算机程序,它可以帮助医生解决复杂的医学问题,作为医生诊断、治疗的辅助工具。“传统”的专家系统，通过把专家的经验和知识以规则的形式存入计算机中，建立知识库，用逻辑推理的方式进行医疗诊断。但一些疑难病症的复杂形式使其很难用一些规则来描述，甚至难以用简单的语言来表达；专家们常常难以精确分析自己的智能诊断过程。另一方面，基于规则的专家系统，随着数据库规模的增大，可能导致组合爆炸，推理效率很低。由于人工神经网络能够解决知识获取途径中出现的“瓶颈”现象、知识“组合爆炸”问题以及提高知识的推理能力和自组织、自学习能力等等,从而加速了神经网络在医学专家系统中的应用和发展。
sordo比较了采用不同网络结构和学习算法的神经网络在诊断胎儿唐氏综合征(down’ssyndrome)上的成绩。正确分类率为84%,超过了现今所用的统计方法的60%～70%的分类率。
台湾deu科技（德亚科技）开发的计算机辅助检测系统rapidscreentmrs-2000为全世界最先通过美国fda认证的早期肺癌辅助诊测系统。该产品采用人工智能神经网络ann，自动标识数字胸片中可疑结节区。经台湾和美国的临床实验，可使放射专家检测t1期肺癌的能力明显提高(潜在提升约15%以上)。
degroff等使用电子听诊器和人工神经网络制造了一种仪器，它可正确地区分儿童生理性和病理性杂音。用电子听诊器记录的儿童心音，输入能识别复杂参数的ann，分析的敏感性和特异性均达100%。
3、其他：
生物信息学中的研究中可应用于基因组序列分析、蛋白质的结构预测和分类、网络智能查询等方面。
药学领域广泛应用于定量药物设计、药物分析、药动/药效学等方面。例如：用于预测药物效应。veng-pederson用神经网络预测阿芬太尼对兔心率的影响，对用药后180-300分钟的药物效应取得了较好的预测结果（平均相对预测准确度达78%）。分析群体药动学数据，以获知群体药动学特征和不同人口统计因子对药物行为的影响，对临床用药具有指导意义。
4、麻醉与危重医学相关领域的研究
手术室和icu内是病人信息富集的地方，而且大量的信息处在动态变化中，随着医学技术的飞速进步，所能获取的信息越来越多，医护人员面临着“信息轰炸”。神经网络技术可以很好地帮助我们应对这些问题。例如：
1）可以用于分析多个生理变量之间的关系，帮助研究其内在的关系，或预测一些变量之间的关系：perchiazzi在肺损伤和正常的猪容量控制机械通气中，用ann估计肺顺应性的变化，不需要中断呼吸，与标准方法相比误差很小。
2）结合数据挖掘技术，可能从海量数据库例如电子病历系统中，发现一些尚未发现或尚无确切证据的关系与现象：buchman研究了神经网络和多元线形回归两种方法，用病人的基本资料、药物治疗差异和生理指标的变化预测在icu延迟（>7天）。
3）信号处理：ortolani等利用eeg的13个参数输入ann，自行设计的麻醉深度指数ned0-100作为输出，比较ned与bis之间有很好的相关性；
4）干扰信号的自动区分检测：jeleazcovc等利用bp神经网络区分麻醉中和后检测到的eeg信号中的假信号，是传统eeg噪音检测方法的1.39-1.89倍。
5）各种临床状况的预测：laffey用ann预测肌肉松弛药的残留，发现明显优于医生的评估，还有用于预测propfol剂量个体差异的，预测术后恶心、呕吐，预测全麻后pacu停留时间，预测icu死亡率等较多的研究。
人工智能神经网络技术篇9
【关键词】电力系统自动化；智能技术；应用探析
一、电力系统的自动化
电力系统是拥有非线性以及时变性特点的动态巨维系统，它包括无法实现建模的动态部分以及参数的不确定性，而电力系统自动化也称之为电工进行的第二次系统，它主要是指在进行自动化中通过拥有控制能力、决策能力以及自动检测能力的工具达到自动调节、协调、控制以及监视的作用，它的工作原理是利用一定能力的设备，比如信号系统或者数据传输系统，进行远程或者就地的监视电力系统中的局部安全、各个元件安全以及全系统的安全。
二、智能技术在电力系统自动化中的应用
（1）综合智能控制。综合智能控制顾名思义也就是技术与技术的相结合，未来的电力系统自动化中应用会比较多的有模糊逻辑控制和专家系统控制的相结合、专家系统控制和神经网络控制的相结合、自动化适应控制和模糊逻辑控制以及神经网络控制的相结合、模糊逻辑控制和神经网络控制的相结合。其中模糊逻辑控制可以很好地进行结构化知识的有效处理，而神经网络控制可以很好地进行非结构化知识的有效处理，这两者的相结合从各种角度来看更加有利于智能技术的发展，成功的把双方的缺点都弥补起来。在这功能中模糊逻辑控制主要是处理一些方向不定的问题，而人工神经网络主要是进行一些比较低层次的计算以及应用，这两者之间的技术能起到相互补充彼此不足的作用，从而直接避免了单独功能所造成无法弥补的缺陷性，让智能技术在电力系统自动控制中得到更好的应用。（2）模糊逻辑控制。模糊逻辑控制主要是采取了一种模糊的宏观控制系统。这种方法的特点是容易操作、随机性、简单化、非线性以及不确定性，这些特点更方便人们操作。模糊逻辑控制的表现方式为把一些相对比较复杂操作过程、过程对象通过模糊推理、模糊关系以及决策方法来进行有效的控制和表达。在一般情况下都是用如果、或者来进行专家知识、实际控制以及专家经验，这种方式具有鲁棒性强和不依赖被控对象模型的优点。虽然模糊逻辑控制已经得到了广泛的应用，但是和传统的常规逻辑控制相比较的话，模糊逻辑控制自身还是存在一些无法弥补的缺点，主要有学习能力差、稳定性差、状态误差性差以及调整性差等。为了使这些缺点得到补救就必须进行智能技术的设计，主要措施是综合智能控制，并且已经广泛应用在电力系统自动化中。（3）线性最优控制。线性最优控制主要是采取了把控制问题通过最优化理论进行体现、表述的方式，它是控制理论不可或缺的一部分。线性最优控制的特点是具有成熟性强、应用性多以及范围性广，而现代的远距离输电能力正是利用线性最优控制的特点来完成的，这种输电能力很大程度上改善了动态品质以及提升了远距离的输电线能力，并且已经得到了人们认可。虽然线性最优控制已经广泛应用在电力系统自动化中，但是它对局部线性化的电力系统设计来说还是有缺点的，主要针对非线性比较强的电力系统自动化中存在无法进行干扰控制。（4）神经网络控制。神经网络控制是通过人工神经网络发展而成的，它主要应用在学习方面以及模型结构方面，并且已经得到了广泛的传播和成果。神经网络控制的非线性是目前最受人们关注的，此外它的鲁棒能力、处理能力以及自主学习能力也同样受到人们的关注。神经网络控制是通过大量的简单神经元连接而成的，它的工作原理是在连接权值上进行信息的隐藏以及包含，同时按照调节权值的一定计算公式来计算出它的值，从而保证神经网络控制的m维空间非线性映射成功跨越到
n维空间非线性映射。（5）专家系统控制。专家系统控制主要应用在电力系统自动化中的紧急处理、状态识辨、状态警告、系统规划、调度员培训、系统控制的恢复、切负荷、分析状态、转化状态、配电系统自动化、控制电压的无功、静态分析、动态分析、安全分析、人机接口以及故障点的隔离等方面。专家系统控制的适用范围非常广，但也是有不适用的地方，比如创造性差、自主学习能力差、深层适应差、浅层知识面差、分析能力差、组织能力差、验证能力差以及应付能力差等。
参考文献
[1]李朝瑞，郭伟亮.论电力系统自动化智能技术在电力系统中的运用[J].科技与企业.2012（17）：121～122
人工智能神经网络技术篇10
关键词：人工智能电气自动化控制应用
人工智能是一种新型技术，与传统技术相比，人工智能有着巨大的优势，该种技术主要是建立在计算机与网络技术中，能够解决很多传统技术难以解决的问题，目前，人工智能已经在经济建设与社会发展中得到了广泛的应用，也取得了良好的成效，但是，在一些主观与客观因素的限制之下，人工智能在电气自动化控制中的应用依然存在一些不足之处，下面就针对人工智能的特点及人工智能在电气自动化控制中的应用进行深入的分析和探讨。
1.人工智能控制器特点分析
在电气自动化中使用的人工智能控制器多为非线性函数近似器，其中代表性的有遗传算法、模糊理论、神经算法与模糊神经算法等，使用非线性函数近似器有着巨大的优势，这主要表现在以下几个方面：
第一，在开展人工智能电器设计时并不需要应用精确的动态模型，不需要明白非线性与参数变化等因素就能够完成设计；
第二，只要适当的调整系统的下降时间、相应时间，就能够有效提升函数性能，产生的过冲也很小；
第三，人工智能控制器能够设计相应时间与语言，调节方式十分的简单，对于信息与数据也有着良好的适应性，抗干扰性能理想，容易实现；
第四，人工智能控制器的一致性良好，与驱动器无直接联系，即使输入的数据是未知的也可以获取到理想的预测结果。（以以太网为例的人工智能控制器原理示意图详见图1）
图1以太网为例的人工智能控制器原理示意图
2.人工智能在电气自动化控制中的应用分析
2.1人工智能在电气自动化设计中的应用
自动化电气的设计十分的复杂，牵扯到很多专业，如变压器、电路、电力电子技术、电机等等，对设计人员专业技能水平的要求也较高，也需要用到大量的人力、物力与财力，利用人工智能技术就可以有效解决人力难以解决的问题，有效提升设计的精度与工作效率。
此外，在电气设备的设计过程中，需要根据不同的情况采取相应的算法，要想有效提升设计的质量与效率，工作人员必须要具有应用人工技能的经验与能力。
2.2人工智能在电气控制中的应用
电气自动化控制是一个关节性环节，如果能够采取科学的措施提升整个系统的自动化水平，就可以有效降低人力、物力财力的投入，有效优化人工系能系统的运行质量。
人工智能技术在电气自动化设备中的应用包括神经网络控制、专家系统控制以及模糊控制几个方面，其中，模糊控制的应用范围最为广泛，究其根本原因，是由于该种方式简单，与生产的联系也更加的紧密。
而模糊控制在整电气自动化中的应用主要集中在交流传动与直流传动两个方面，其中，直流传动主要集中在模糊控制器之中，如Sugeno、mamdani，而Sugeno是mamdani的一个部分，mamdani多应用在调速控制系统中，其规则库为if-then规则库。将模糊控制器应用在交流传统控制系可以代替传统pSi控制器与pi控制器，近年来，在科技水平的发展之下，模糊控制器也开始应用在全数字高动态性能传动系统之中，也取得了一定的成效。
2.3人工智能在故障诊断系统中的应用
人工智能技术中的专家系统、模糊理论与神经网络已经在电气设备故障诊断系统中得到了广泛的应用，其中应用范围较广的就是发动机、发电机与变压器故障的诊断工作中。在诊断时，需要先从变压器油中将气体分离出来，再根据气体的情况分析故障的发生状态。如果使用传统的诊断方式是难以判断出故障的复杂性、非线性以及不确定性的，诊断结果并不理想。但是，使用人工智能技术即可有效提升诊断的成功率，就现阶段来看人工智能技术主要采取专家系统、神经网络与模糊逻辑集中诊断方式。
2.4人工智能在电力系统中的应用
目前，人工智能在电力系统中的应用包括神经网络、专家系统、启发式搜索、模糊集理论几个方面，其中，专家系统是一种集经验、规则与专业知识一体的程序性系统，该种系统需要依赖一定领域的知识与经验进行推理，并模拟专家的决策对各个难题来处理。专家系统主要包括六个部分，即推理机、知识库、人机接口、知识获取、咨询解释、数据库。在整个系统的使用过程中，需要根据实际情况的变化来更新规则库，以便获取到最及时的要求。
目前，很多训练算法与神经网络都在电力系统中得到了一定程度的应用，神经系统的储存方式与学习方式都十分的灵活，也有着强大的状态分类能力以及识别能力，在负荷预测的过程中，神经网络能够对模型进行科学合理的分类，并实现对输入的选择，构建出日预测模型以及周预测模型，将人工神经网络与元件关联进行有机结合即可实现对复杂系统的诊断，识别是不同的故障。
2.5人工智能在日常操作中的应用
电力系统不仅对电力系统自身的自动化水平有着直接的影响，对于管理工作也有一定的影响，将人工智能技术应用在日常操作中可以对加用电脑进行实时操作，可以实现报表自动生成、日志生成、日志储存等多种功能。这不仅可以简化操作，也能够有效提升操作的可视性与简便性，可以看出，将人工智能系统应用在日常操作中可以有效提升电气自动化系统的工作效率，这也是未来阶段下我国电力系统发展的重要方向。
3.结语
总而言之，在科技水平的发展之下，电力自动化控制系统也得到了完善的发展，与此同时，人工智能系统在电气自动化控制中的应用也取得了一定的成效，将人工智能应用在电气自动化控制系统中可以有效提升设备的使用效率与使用质量，但是由于一些客观因素的限制，人工智能技术还存在一些不足，相信在不久的将来，这一问题定可以得到完美的解决。
参考文献：
[1]王金亮.人工智能技术在电气自动化控制系统中的应用研究[J].科技致富向导，2012（10）
[2]龙，曲利，董洪潮.人工智能在电气自动化控制中的应用[J].科技传播，2013（09）
[3]胡蝶.人工智能在电气自动化控制中的应用[J].中小企业管理与科技（下旬刊），2010（09）